前列腺癌是男性第二常见的癌症，每年在美国约有30万人被诊断出患有这种疾病。为了开发一种一致的方法来估计前列腺癌的大小，这可以帮助临床医生更准确地做出治疗决策，马萨诸塞州总医院布里格姆（Mass General Brigham）的研究人员基于700多名前列腺癌患者的MRI扫描训练和验证了一个AI模型。该模型能够识别并勾勒出85%最具有放射学侵袭性的前列腺病变的边缘。据AI模型估计，体积较大的肿瘤与较高的治疗失败和转移风险相关，独立于通常用于估计这种风险的其他因素。此外，对于接受放射治疗的患者，肿瘤体积在预测转移方面的表现优于传统的风险分层方法。这项研究发表在《放射学》杂志上。
“AI确定的肿瘤体积有可能通过提高我们了解患者癌症侵袭性的能力，从而推进前列腺癌患者的精准医疗，并因此推荐最合适的治疗方案。”该研究的第一作者、马萨诸塞州总医院布里格姆放射肿瘤科的大卫·D·杨博士（David D. Yang, MD）表示，他是该医疗系统的创始成员之一。
MRI已经提高了临床医生诊断前列腺癌的能力，并成为诊断和治疗的常规部分。虽然人类临床医生可以根据MRI图像估计肿瘤大小，但这些估计在某种程度上是主观的，因人而异。为了开发一种更加一致的估计肿瘤大小的方法，研究人员基于732名在单一中心接受治疗的前列腺癌患者的MRI图像训练了一个AI模型。然后，他们调查了AI模型的大小估计是否与诊断后的5到10年内治疗成功相关。结果显示，该AI模型能够定位并测量患者队列中约85%的PI-RADS（前列腺影像报告和数据系统）评分为5的前列腺肿瘤，这一评分表明存在非常高的临床显著前列腺癌风险。该模型的大小估计还显示出作为预后标志物的潜力：较大的肿瘤与前列腺特异性抗原（PSA）血水平升高或转移的风险更高相关，无论患者是接受手术还是放射治疗。
“AI测量本身可以为我们提供有关患者预后的额外信息。”该研究的资深作者、马萨诸塞州总医院布里格姆放射肿瘤科的马丁·金博士（Martin King, MD, PhD）表示，“对于患者来说，这可以真正告诉他们治愈的机会有多大，以及他们的癌症在未来复发或转移的可能性。”
除了帮助临床医生和患者了解其癌症的侵袭性外，AI模型还可以通过精确定位肿瘤的焦点区域来指导放射肿瘤学家进行更精确的治疗。与目前用于预测前列腺癌侵袭性的方法相比，这是一种更快的测试，通常需要两周或更长时间才能得出结果。AI辅助测试意味着患者可以更快开始治疗。癌症研究是马萨诸塞州总医院布里格姆为患者提供护理的基础支柱之一。研究，加上该系统在创新、教育和社区参与方面的优势，使马萨诸塞州总医院布里格姆癌症中心能够为所有人提供综合的癌症护理，将健康公平置于支持的核心。愿景是提供全面、综合和研究指导的癌症护理方法，帮助患者导航整个护理过程，从预防和早期检测到治疗和幸存者支持。
展望未来，研究人员计划使用更大的多机构数据集来测试他们的模型。“我们希望使用其他机构和具有不同疾病特征的患者队列来验证我们的发现，以确保这种方法适用于所有患者。”杨博士表示。
参考文献：
Yang DD, Lee LK, Tsui JMG, et al. AI-derived tumor volume from multiparametric MRI and outcomes in localized prostate cancer. Radiology. 2024. doi: 10.1148/radiol.240041
(全文结束)
